來源：火訊財(cái)經(jīng)

文章轉(zhuǎn)載來源：AGIing

原文來源：菊廠老孟

作者：孟慶祥

圖片來源：由無界 AI生成

2022年末，網(wǎng)絡(luò)上開始瘋傳Open AI Chat GPT與人的對(duì)話，宛若真人之間的聊天一樣絲滑。然后,，開始一個(gè)關(guān)于AI、大模型的炒作,，創(chuàng)新,，創(chuàng)業(yè)活動(dòng)已經(jīng)紅火了一年,，還沒有看到實(shí)際的應(yīng)用成果,。人們就在琢磨這東西怎么發(fā)展,？

最近幾十年，這種故事太多了,，也沉淀下來一些規(guī)律,、經(jīng)驗(yàn)和教訓(xùn)。隨便回顧總結(jié)一下就是1萬字,，個(gè)把月的時(shí)間,，寫一本10萬字的書也不用摻三聚氰胺湊字。但是,，誰看呢,？生產(chǎn)一種賣不出的商品不是徒勞嗎？你懶得看,，我就懶得寫,，爭取2000字寫一個(gè)梗概出來就完了。

（一）人們困在思維,、技術(shù)、需求中

世間的實(shí)用事物就兩個(gè)難點(diǎn)：有明確需求的技術(shù)上解決不了,；有技術(shù)的不知道需求在哪里,。

有明確需求但技術(shù)解決不了的有醫(yī)學(xué)、各種代替人工的商用機(jī)器人,、更好的能源等等,。

有技術(shù)但需求不明確的主要是ICT技術(shù)，與計(jì)算機(jī)代碼相關(guān)的行業(yè)。

誰能夠在一個(gè)方向上找到一點(diǎn)突破的縫隙,，必然引來千軍萬馬嘗試,。

石墨烯已經(jīng)發(fā)現(xiàn)了20年了，從制備到應(yīng)用多路徑,、多梯次探索了好幾遍了,，還是沒有挖到價(jià)值點(diǎn)。

2004年,，馬斯克搞電動(dòng)車的時(shí)候,，鋰電池的能量密度只有現(xiàn)在的1/3到1/4，價(jià)格則是現(xiàn)在的5~10倍,。而且,，在當(dāng)時(shí)看來，電池的能量密度是很難提高的,。到了2014年左右,，看到了電池能量密度提升的技術(shù)可能性，于是,，中國很多公司涌進(jìn)了這條賽道,。

2007年，iPhone發(fā)布后,，采用和計(jì)算機(jī)一樣的上網(wǎng)技術(shù),，又推廣了APP模式。幾年之后,，眾多公司探索移動(dòng)互聯(lián)網(wǎng)的各種應(yīng)用,。今天成就了幾個(gè)大公司、開發(fā)出了幾個(gè)大應(yīng)用,，一將功成萬骨枯,。幾乎任何一次技術(shù)或者需求上鑿出一條縫隙，都會(huì)千軍萬馬涌進(jìn),，都會(huì)一將功成萬骨枯,。

mRNA疫苗大家都認(rèn)為不可能，卡里科極其苦逼的鑿了40年,，搞定了,。接下來，mRNA這條技術(shù)路線就會(huì)有大把人和錢進(jìn)來,，直到階段性的山窮水盡,。

AI是很早孕育的技術(shù)，早期進(jìn)展緩慢,。

AI識(shí)別語音,，搞了一小波,，識(shí)別圖像搞了一個(gè)中波段，收效都很小,。

人們始終困在技術(shù)中,，需求中，更重要的是困在思維中,。

（二）杠桿點(diǎn)還在需求上

從互聯(lián)網(wǎng)到移動(dòng)互聯(lián)網(wǎng),，再到各個(gè)公司的成敗，各個(gè)具體應(yīng)用的成敗,，在細(xì)化到細(xì)枝末節(jié),，最末端的小人物、個(gè)體戶,，關(guān)鍵在于誰抓住了有效的需求誰就成功,。

抓需求的方法到現(xiàn)在仍然沒有有效的方法論，主要是還是實(shí)踐,，誰拍的小片子,、生產(chǎn)的內(nèi)容、帶貨的方法更符合群眾的胃口,，誰就賺到了錢,。

這一輪以語言大模型，到繪畫到動(dòng)畫為突破口的AI,。顯然,，舉例這項(xiàng)技術(shù)近的是內(nèi)容的生產(chǎn)，就是AIGC,，人工智能產(chǎn)生的內(nèi)容,。

但消費(fèi)者還是大活人，這一點(diǎn)很重要,。你可以生產(chǎn)無窮無盡的內(nèi)容,，那么人到底會(huì)為啥買單呢？

簡單地分類,，內(nèi)容可以分為用于生產(chǎn)性的內(nèi)容和用于消費(fèi)的內(nèi)容,。

用于生產(chǎn)的內(nèi)容，就是我們?cè)趯W(xué)校里,，在公司里被威逼利誘學(xué)習(xí)的那些東西,，數(shù)理化、工程,、科技,、管理等等，這些內(nèi)容全都枯燥,、反人性,，通過胡蘿卜大棒才能搞定。只有少數(shù)人天然喜歡這些東西,，他們是人類的引領(lǐng)者,，是雷鋒。如果AIGC的內(nèi)容是用于生產(chǎn)的,，必然是一個(gè)個(gè)的碎片市場,，就像過去的2B應(yīng)用，2B軟件,，可以找到一個(gè)細(xì)分市場做個(gè)小公司,，成功概率略大。

做2C內(nèi)容,，必須是爽的,，上癮的，三俗的,，有故事的,，有新聞性質(zhì)的。這東西從早期的電影,，電視,，到現(xiàn)在的網(wǎng)絡(luò)，已經(jīng)探索了無數(shù)遍了,。用于消費(fèi)的信息必須沒用,。古往今來，多少牛逼人像把有用和有趣結(jié)合起來,，寓教于樂,，其實(shí)都是搞不定的。這是矛盾的事物,，就像你無法調(diào)和黑白一樣,。

做2C是大賽道。過去有PGC,，UGC,，OGC等，用戶感興趣的邏輯始終是不變的?，F(xiàn)在的AIGC如果能搞定這個(gè),，它的產(chǎn)量和生產(chǎn)內(nèi)容的成本是人的肉身無法比擬的。AIGC在2C領(lǐng)域必然產(chǎn)生巨無霸應(yīng)用,。抖音搞定了UGC,，通過大量人肉礦渣投入大量成本，獲取巨大流量,，然后他收一把流量稅,。到了AIGC時(shí)代,，留不需要人肉礦渣了。

AIGC距離這步遠(yuǎn)不遠(yuǎn),？挺遠(yuǎn)的,，現(xiàn)在GPT回答各種東西是比較強(qiáng)的，起碼言之成理,，全面,。但它只是一個(gè)搜索引擎的變種，能現(xiàn)編一些內(nèi)容而已,。它被動(dòng)提供內(nèi)容的屬性是沒有變化的,。要想真的全自動(dòng)AIGC，它必須主動(dòng)生產(chǎn)內(nèi)容,，有計(jì)劃性?，F(xiàn)在AI還沒有展現(xiàn)這個(gè)可能性。干這個(gè)事情,，除了擼技術(shù)以外,，必須廣泛深入的研究人的需求，研究三俗,，研究上癮,。讓這個(gè)研究成果給AI賦能，稅做的好,，稅成功,。這是廣大大模型公司忽略的一點(diǎn)，其實(shí)這一點(diǎn)才是勝負(fù)手,。

如果AI能有計(jì)劃,，主動(dòng)生產(chǎn)內(nèi)容。那它就有相當(dāng)于有意識(shí)了,，然后就會(huì)帶來更大的問題,。但必須向這個(gè)方向前進(jìn)，不可阻擋,。

做有用無趣的生產(chǎn)型內(nèi)容,，不一定用大語言模型，谷歌用Alpha Fold分析蛋白質(zhì)結(jié)構(gòu),，后來有用類似的技術(shù)設(shè)計(jì)材料,，成果呼之欲出。這些都是大語言模型之前的技術(shù)路線,。

（三）AGI的前途是機(jī)器人

AGI的可能性已經(jīng)看到,，奧特曼說大概10年之內(nèi)。

人工智能和機(jī)械結(jié)合之后，會(huì)逐漸取代所有工種,。到那時(shí),，勞動(dòng)才是一種純粹的需要，這個(gè)不做深入發(fā)揮,。

奧特曼說現(xiàn)在經(jīng)濟(jì)的基本邏輯始終稀缺,，將來消滅了稀缺，經(jīng)濟(jì),，社會(huì)會(huì)重構(gòu),。

其實(shí)消滅了稀缺資源的領(lǐng)域已經(jīng)很多，例如穿衣吃飯,，對(duì)相當(dāng)多的人來說成本已經(jīng)非常低,。你看看大家如何對(duì)待這種商品的，留能夠理解未來的基本需求和模式,。

因?yàn)槿诵宰畹讓拥牟糠质欠€(wěn)定,，不變的。但這個(gè)部分相當(dāng)缺乏研究和開發(fā),，大家都是通過大量試錯(cuò)犧牲的實(shí)踐在找一些臨時(shí)性的近似解,。